使用类神经元表示图以交互和自动模式创建计算语义和抽象的知识模型的基于计算机的系统的制作方法

1.本发明涉及通过使用图来以交互和自动模式创建能够计算语义和抽象的模型的知识表示的领域。
2.具体而言，这些图是通过使用基于神经网络表示的计算机实现的系统来生成的，该系统能够以一般更高效地管理信息或知识的方式在动态结构中创建不同的抽象层。
3.此外，本发明涉及能够以图形方式表示的动态模型中的信息的组织和语义含义的管理的领域。
4.具体地，语义模型被用于表示搜索、操纵信息的知识。抽象是用于定义本体以概括并集中于含义以操纵信息的系统。所实现和所描述的类神经元表示允许通过抽象和活动组件来创建交互式和自动语义建模两者。
5.换言之，对于本发明，必须注意，术语“抽象”表示将知识从事实和事件移至语义(处理想法而非事件的质量)的能力。


背景技术：

6.现有实体关系图通常基于标准平面语义表示。为了克服此限制，已经开发了神经网络表示，其经由轴突(定义输出链路)、树突4(定义输入链路)和突触3(定义连接)将表示信息、数据源或抽象的多个神经元彼此相关联。
7.由此，几乎所有现有的神经网络基于三个元素的概念：神经元a、轴突、树突4、突触和神经元b。
8.这种神经网络通常需要大量的神经元和轴突，这取决于所需关系的数量和要管理的信息的数量。
9.现有实体关系图不能够基于任何元素(动态模型)的任何输出的刺激来表达抽象或重新收集输入状态。
10.因此，现有实体关系图提供完全基于静态初始设计的输出。其中施加诸输入状态的次序对网络识别它们的能力没有影响。
11.此外，参考当前的图形表示，已知的实体关系图专用于单个域：工作流、gantt、脑图、层级、分类法、实体关系、组织、认知图。
12.以下列出的不同已知的平面系统还存在许多其他共同的限制：
[0013]-修订，在各种图形系统的当前办法中，存在不同版本存档和/或使用不同颜色表示变化的问题；
[0014]-多模型(多用户/视图/用途)：传统的图形系统是单片式的，以创建为了创建开始具有单独的开发历史的单独文件所需的变化。
[0015]-当前的建模图形系统在信息的内部被分割并且失去了整合。
[0016]
现有技术的一些示例从如下是已知的：
[0017]-us8190422，其公开了通过将多个词典条目中的每一者与度量空间中的多个点中
的点相关联而创建的语义认知图。字典条目中的每一者与至少一个音符(onium)相关联，该至少一个音符仅包括至少一个同义词或反义词，度量空间具有拓扑和度量，多个点中的每个点的位置由所述多个点的能量函数的全局最小值来定义；
[0018]-cn106205248a，其公开了一种因域而异的知识学习和掌握状态的在线学习认知图，并且该系统包括用于在线学习的智能终端、服务器中的在线学习认知图生成系统、
……
；
[0019]-us8046322，其公开了一种挖掘数据以发现数据内的活动模式的方法。该方法包括接收要从至少一个数据源挖掘的数据，确定多个指定兴趣和约束中的哪些与挖掘过程相关联，从指定约束中选择将搜索算法与传播者进行组合的对应挖掘代理，以及找出满足指定兴趣和约束的任何活动模式。
附图说明
[0020]
本发明在附图中通过示例而非限制来解说，诸附图中指示了类似附图标记。
[0021]
图1a和1b示出了用于关系模型的现有技术系统的两个示例；
[0022]
图1c和1d示出了与分别在图1a和1b中表示的现有技术相比的根据本发明的图形系统的基本原理的两个示例；
[0023]
图2示出了应用于“文件系统”的根据本发明的系统的第一示例；
[0024]
图3示出了应用于“电子邮件系统”的根据本发明的系统的第二示例；
[0025]
图4示出了应用于“3d浏览器”的根据本发明的系统的第三示例；
[0026]
图5示出了应用于“数据库子集复制系统”的根据本发明的系统的第四示例；
[0027]
图6示出了应用于“抽象和亚稳态模型”的根据本发明的系统的第五示例；
[0028]
图7示出了应用于“iot精确大数据系统”的根据本发明的系统的第六示例；
[0029]
图8示出了应用于“超文本系统”的根据本发明的系统的第七示例；
[0030]
图9示出了应用于“基准和评估系统”的根据本发明的系统的第八示例；
[0031]
图10示出了应用于“仿真和语义模型”的根据本发明的系统的第九示例；以及
[0032]
图11示出了根据本发明的在先前附图中表示的元素的图例。
具体实施方式
[0033]
本发明的目的是计算机实现的神经网络图形1系统，其包括多个神经元2，每个神经元在动态数据结构中由唯一性可寻址节点表示并且每个神经元包括多个数据。
[0034]
首先，这里以下定义了在以下描述中使用的元素。
[0035]
神经元2是核心元素，能够通过树突4(定义输入链接)、轴突(定义输出链接)和突触3(定义连接器)连接到多个元素。在内部，它们可容纳通过突触3互连并链接到其他神经元2或通过树突4、轴突4和突触3互连并链接到其他神经元2的处理和信息组件两者。
[0036]
神经元2可包含其他神经元2作为模型(折叠、集合)或作为其可操纵或移动的一条信息。
[0037]
诸神经元2可以作为诸条信息通过神经元2/树突4/轴突/突触3传输。
[0038]
然后，该系统包括多个树突4及轴突，这些树突4及轴突连接其间的两个或更多个神经元2以表示关系，并且将神经元2中所包含的一个或多个数据传送至另一神经元；每个
树突/轴突4在其末端具有用于将其连接至神经元的突触3。
[0039]
它们使用突触3端子以输出(轴突)和输入(树突)模式互连神经元2。
[0040]
它们之间的通信信道是定向的并且可以传输本发明的任何元素/模块，在这种模式中是可行的复杂建模，其中信息本身是本发明的模型或元素。移动复杂模型或到模型、抽象和模板的链接提供管理复杂仿真、工作流、动态和自修改模型
……
的能力。
[0041]
轴突4和树突4移动信息，从而在衍生(ramification)的情况下在不同的分支上复制。由于逻辑模块和与突触3的交互，它们具有与其他元素相同的精化能力。突触3将轴突/树突4连接至神经元、另一突触3或连接至轴突。
[0042]
突触3支持神经元2的相同精化组件，其中通信中的更多限制被减少为在两个元素之间直接互连的连接器端子。
[0043]
在大多数简单设计中，突触3仅使用代数来定义基本交互，如赋值、布尔或数学运算。在复杂建模中可以使用引擎和本地存储的混合，像神经网络及其统计模型或量子引擎(在信息是qubit的情形中)。
[0044]
必须注意的是，模板是元素集，具有神经元2、树突4、轴突4和突触3的子模型，用于创建新模型或组装复杂模型。该元素集可以是通用的真实模型的副本，这意味着模型是空的、准备接收新信息、名称和其他标识特性。它也是一种在用户之间共享有限的子模型以实现特定范围的系统。模板也是抽象泛化的方式。
[0045]
根据本发明(图1c、1d)，至少一个中间神经元2通过中间轴突4及其突触3直接连接到以双向方式连接两个主要神经元2的另一轴突4或树突4；该中间神经元2和该中间轴突4被配置成用于：
[0046]-以定义数据的第一组合的方式来根据该中间神经元2的预选数据来选择包含在该主神经元2中并且在它们之间沿着其轴突4传送的一个或多个特定数据；
[0047]-以定义数据的不同于第一组合的第二组合的方式，根据该中间神经元2的预选数据来选择不同于第一选择的、包含在该主神经元2中并且沿着该轴突4在它们之间传送的一个或多个特定数据；
[0048]-创建包括所述数据的图形1的图形表示，其中第一抽象层由所述第一选择定义并且第二抽象层由不同于第一选择的第二选择定义。
[0049]
优选地，神经元2中包含的每个数据属于语义领域。中间神经元2和中间轴突4或树突被配置成用于选择包含在主神经元2中的属于中间神经元的预选数据的相同语义领域的一个或多个特定数据。
[0050]
如图1c、1d中所示，一个以上中间轴突4和中间神经元2被直接连接至同一轴突。具体地，每个中间轴突和中间神经元2被配置成选择包含在主神经元2中的并沿着该轴突在其间传送的各个不同数据。
[0051]
根据本发明的一方面，每个神经元2可配置成处于折叠状态，其中它包括包含神经网络的动态数据结构的子系统。
[0052]
详细地，“折叠(collapse)”是作为单个神经元管理的本发明的子模型，输入-输出(连接，轴突)连接至内部模型，但复杂性被隐藏。
[0053]
在内部模型的定义中，通过外部认为图形1可见的内容来定义。折叠集包含元素的系列或迭代。范围是隐藏复杂度，并简化管理。
[0054]
根据本发明的一方面，该系统实现元素正交模型，该元素正交模型由于组件的能力而允许实现全特征化模型。神经元2或突触3两者都可以是模型的折叠并且包括多个精化元素。
[0055]
神经元2可包含单条信息或任何元素(包括模型(折叠集))的系列或迭代。
[0056]
这允许从特定模型移到抽象，并且精化模型仅演进初始模式。
[0057]
本发明使用高级用户界面浏览，从定义模型、在模板中然后在抽象中对子模型进行归纳，来促进这些变换。
[0058]
为了支持这种建模，本发明实现了将表示和交互进行统一的正交信息系统。
[0059]
单信息
[0060]
单条信息(表示该信息的神经元2)：文本中的字符序列、值、参数、一个输入值
……
。
[0061]
神经元2表示是信息的别名，以允许对单条数据的建模中的演进。在该模式中，如在超文本办法中，在标记文本的部分时，可能引用数据，但同时对该引用进行抽象以按不同方式来使用。
[0062]
折叠集(神经元2接受输入过滤器并返回该集合)
[0063]
根据从源固定地或动态地接收的某个过滤器来选择数据。
[0064]
集
[0065]
数据集，从0到n个元素，也是异质的，包含在神经元内。
[0066]
探针
[0067]
本发明将与外部世界的接口实现成单个或互连的神经元2，其表示探针，连接到输入、外部应用、sql和关系数据库、非sql数据库
……
。
[0068]
另一示例是指向文档或网页的超文本，探针允许在认知模型内的信息元素中转换诸单个文档片段。
[0069]
在本发明中，信息可以是任何基本类型，如文本、数字、数据集、xml
……
和复杂的组件、元素、模型。在这种模式下，建模可以管理复杂的交互，如oop范式所支持的交互，但也可以将推理模型作为自修改和重组模型。
[0070]
根据本发明的另一方面，特定数据由计算机实现的神经网络处理。
[0071]
一种从以下中选择的动态数据结构：
[0072]-文件系统(图2)；或
[0073]-电子邮件系统(图3)；或
[0074]-浏览器系统(图4)；或
[0075]-数据库子集复制系统(图5)；或
[0076]-亚稳态模型，优选地是糖尿病系统(图6)；或
[0077]-iot精确大数据(图6)；或
[0078]-超文本(图7)；或
[0079]-基准和评估系统(图8)；或
[0080]-仿真和语义模型(图9)。
[0081]
文件系统
[0082]
使用分类法(文件夹)的传统文件系统的优势在于：
[0083]-将文件之间的关系放在文件夹允许的平面上，以允许更易访问和更有意义的编组；
[0084]-在具有多个目标和元素重用的复杂环境中，以标签为基础的集合理论不足，相反，本发明允许快速伸缩，通过抽象管理困难的需求、模板、关系、工作流和许多其他用途；
[0085]-模板允许将标准(用户定义的通用模式)抽象应用于文件；
[0086]-抽象允许仅在平面关系模型方面建立更复杂的语义基础设施；
[0087]-折叠集允许作为系列、复杂或直接的抽象来编组和访问；
[0088]-文件元素作为折叠来管理，从而允许将子元素连接到应用超文本中解释的语义模型；
[0089]-本发明代表了不同系统之间的桥梁，如文件和电子邮件或记账以及语义模型。在这一点上，内部能力促成了将不同的应用语义和接口联系起来。
[0090]
插件是本发明如何与允许将文件夹/文件系统的传统用户接口与语义模型相链接的文件系统进行交互。
[0091]
传统文件系统和本发明模型的共存由唯一性的文件id引用和插件来保证。
[0092]
在本示例中，模型建立在按日期存档的维护服务照片的数据库上。
[0093]
文件直接连接到项目、工作流、费用、联系人
……
和抽象，作为基准、类别、问题类型和知识库。
[0094]
电子邮件系统
[0095]
电子邮件插件允许将邮件系统扩展到发件人、日期、文件夹或使用标记和文本搜索的搜索中的常规组织之外。
[0096]
使用本发明可能在本体结构中用关系、并行和抽象来组织数据，以满足不同的需求。
[0097]
管理不同的层抽象的建模能力允许在组织电子邮件和包含信息方面具有最大的灵活性。该示例显示了工作流或crm中的直接关系，以及基于唯一性销售提议或标准基准的抽象评估。
[0098]
本发明的动态特征允许使用各种自动化引擎动态地阐述信息。这是基准的情况，但也提供了变化或不同演变的假设(what-if)仿真。
[0099]
浏览器系统
[0100]
三维浏览器允许在三维空间中组织和建模各元素，以创建不同的视图和透视图。
[0101]
使用折叠来关注主结构，从而隐藏细节复杂性。
[0102]
折叠集(collapse-set)允许查看枚举元素并仅访问与当前用途相关的元素。
[0103]
使用模型的三维表示允许根据不同的次序、层次、关系、语义
……
使用元素的空间分布在同一个视图上创建多个透视图。
[0104]
浏览器使用视图旋转来允许在不切换视图的情况下从不同透视图查看。
[0105]
本发明中的视图只是抽象，并且数据的表示不受个人视图、每个用户或模型的共享视图的限制。
[0106]
安全性本身是一种抽象，其允许共享复杂模型，按用户、角色或其他规则来微调访问能力。
[0107]
3d浏览器主要使用两种抽象来表示数据：模型空间表示x、y、x
……
n和安全性抽象
规则。
[0108]
该示例表示邮件之间的直接关系以及与工作流、电子表格、项目和费用的直接关系。
[0109]
而与抽象的关系更涵盖了本体和含义方面以供分析。
[0110]
数据库子集复制系统
[0111]
贯穿本发明的数据库子集复制通常要求自治的域进行外围阐述，并且数据库是基础。
[0112]
从不同的角度来看，能够复制中央关系数据库的子集可以是有利的，以便保持本地资源的限制，并且潜在的安全问题对于将数据量降至最低至关重要。
[0113]
示例
[0114]
这个示例示出了典型的关系模型和对传统办法的典型挑战。
[0115]
假设的组织由20个代理组成，平均分布200个客户端，连接到2000个订单和2020个费用的存档。
[0116]
20个超费用是多代理参与下的订单的1％。
[0117]
为了正确表示全部费用，在现场报告，需要复制附加代理的记录(这就是为什么结果是2)。
[0118]
解决方案
[0119]
本发明解决了过滤子集的问题，创建了并行模型结构、抽象，从而允许描述直接关系：
[0120]-从所选代理到代理表，
[0121]-从所选代理到订单，
[0122]-从订单到客户端，
[0123]-从订单到费用，
[0124]
以及间接关系，
[0125]-从所选订单到所涉及的附加代理。
[0126]
本发明的描述和管理复杂抽象的能力允许创建并行语义以完全支持远程应用的业务逻辑和关于数据子集的需求。
[0127]
为了改进功能性，应用可以基于日期范围来复制数据，以优化未互连的系统之间的数据流，只是新记录或更新的增量(例如，使用时间戳以记录创建、更新和取消)。
[0128]
亚稳态模型，优选是糖尿病患者支持系统
[0129]
抽象是对复杂亚稳态和整体模型进行分类和检测的高效方法。
[0130]
亚稳数学可以对代谢和相关疾病的复杂性进行建模。本示例应用于糖尿病，评估治疗依从性、结果质量，并预测进展以供预防。
[0131]
四个主要部分构成该模型：
[0132]
a-当前状态下手动和自动数据关联，证明键-值、行为和因素之间的因果关系，
[0133]
b-自动关联、预测和评级，
[0134]
c-具有典型亚稳状态、知识库、历史序列和转折点的数据库，
[0135]
d-预测、依从性和治疗质量评级的模型结果。
[0136]
本发明支持结合手动关联和多维度(包括时间)动态建模的复杂建模。
[0137]
用户的自动特征和交互能力实现了支持复杂代谢模型所需的功能水平。
[0138]
抽象允许创建包括物理和语义维度(如人类因素)而非预定义域的全面(holistic)模型。
[0139]
物理(physical)模型和全面模型可以在不同维度上共存，有助于支持患者。
[0140]
本发明能够支持自动化和多个精化引擎，在这种情况下，贝叶斯、代数和神经模型的混合，非常适合支持亚稳态模型。该系统允许同时描述亚稳态建模、评估当前状态、以及预测当前情况和动态以供预测。
[0141]
iot精确大数据
[0142]
应用于大数据的本发明有助于解决iot中的不同挑战：
[0143]-当前大数据办法在保持相关性的情况下对数据进行离散化的限制，
[0144]-解决方案的信息量、可持续性和可扩展性，
[0145]-发现信息语义的分析困难，
[0146]
在局部层级，(a)使用边缘计算来简化信息，从而创建亚稳态数据建模。
[0147]
本发明使用抽象和不同逻辑引擎来关联数据的能力以及内部自动化简化了这项任务。
[0148]
通信层(b)传达经简化信息的子集、定义当前状态和模型的亚稳态值。
[0149]
此外，该模型的控制命令和更新遵循相同的规则，从而允许同时限制数据话务并增强模型交互智能。
[0150]
将通信层从原始数据提高到值和抽象链接的更复杂的混合允许增强系统的安全性和整体智能。
[0151]
使用本发明边缘计算所生成的元数据的云中分析引擎(c)利用了用于建模数据的内部语义。
[0152]
使用数据库(d)支持云服务(e)对iot基础设施进行监督、分析、报告和控制。
[0153]
本发明限定(qualify)了创建一种镜面反射系统边缘/云的解决方案，使双方都有权(empower)：
[0154]-由于抽象，在edge(边缘)中创建智能系统，
[0155]-将信息简化来用于高效且安全的通信，
[0156]-创建信息的智能云建模，以授权分析和控制能力，
[0157]-交互式和自动化能力使整个基础设施呈现动态性，并且能适应不同的需求。
[0158]
超文本
[0159]
wiki的子部分的该示例演示了本发明在将具体信息和抽象进行关联方面的优势。
[0160]
本发明的接口允许图像作为能够用作高级超文本的复杂元素(神经元)与数字化文本相关。
[0161]
作为直接关系的是leonardo da vinci与vitruvius作品之间的连接，作为引证和推导的是基础数学。已经有两个抽象证明超文本链接中的原始文本的修改和从该原始文本中缺失由leonardo操作的元素。
[0162]
在抽象域中，是对近似和实验产生的“误差”的评估，以及这些方面与艺术品某些细节之间的关系。
[0163]
附加的语义层是与横向思维和归纳办法相关的抽象，将所有这些方面联系起来。
[0164]
基准和评估系统
[0165]
在本示例中，演示了本发明作为基准化工具的能力：
[0166]-支持基于模型和抽象的直接基准复杂评级的能力，
[0167]-使用复杂关系(a)将模型与另一参考匹配的能力。
[0168]
两个模型之间的每个连接都可以与其他元素交互，从而允许使用复杂关系来增加或减少排名。
[0169]-该模型允许根据基于模式和基于关系(b)的总体参数，对项目质量进行更抽象的额外的评估层，
[0170]-所比较的模型可以从列表类型中的模板(c)生成，以更容易地开展元素的比较和填充，
[0171]-本发明管理抽象的能力允许向基准添加分析元素：
[0172]
1.对现有元素的扩展评估，如特定因素的存在，允许与基准元素相匹配，
[0173]
2.评估模型(也称为模式)中缺少元素，这对于证明和组织增量和行动以实现基准是有用的，
[0174]-使用标准设计和仅通过突触3或神经元2连接入口点中的活动元素对元素逻辑中的匹配进行不同评估来映射正基准和负基准因素的能力。
[0175]
仿真和语义模型
[0176]
本发明的最初概念始于数字地重建现实，就像用于数字孪生的仿真语言一样。
[0177]
仿真从中导出smalltalk以及随后的oop面向对象编程范式。
[0178]
该想法是数字地重建现实世界对象的所有组件和行为，以研究和预测物理模型，从机器到生产链和社会环境。
[0179]
本发明是此类多维仿真的理想工具。“神经元2”通过也移动复杂对象(如神经元2/集合/折叠)来相互通信，可以仿真表示自然结构、通信、关系的大多数模型，从而达到语义层级。
[0180]
与其他办法不同的是，使用抽象创建额外维度的能力。
[0181]
单个对象可以具有比仅状态机更复杂的身份，从而允许复杂的交互或分析。
[0182]
整个系统可以用额外的分析层来表示，该层覆盖了不同的方面，而不仅仅是当前的仿真状态或计数器。
[0183]
例如，潜在的附加维度可以是：
[0184]-存档，移动中的每个对象、连接、规则、活动组件可以被存档为行为，也是从语义角度来看，
[0185]-混合该模型的存档和逻辑定义，
[0186]-该存档可以是用于依从的基准或检测bias(偏差)的模型。
[0187]
模型存档、基准和偏差检测是从立法和道德政策角度提出的使项目处于控制之下的方式之一，“假设”办法用于预测该模型的不同目标或潜在未来：
[0188]-改进
[0189]-不利条件
……
[0190]
本发明的另一目的是一种用于通过计算机实现神经网络图形1的方法。具体而言，该方法是通过致动上述与系统相关且在此回顾的各阶段来执行的。
[0191]
具体而言，该方法由计算机执行，包括以下步骤：
[0192]
在模型的图形表示中实现多个神经元2，每个神经元由动态数据结构中的唯一性可寻址节点表示，并且每个神经元包含多个数据；
[0193]
实现多个轴突和树突4，该多个轴突和树突4连接它们之间的两个或多个神经元2，以便将包含在一神经元2中的一个或多个数据传输到另一神经元；每个轴突4在其末端具有用于将其连接到神经元的突触3。
[0194]
此外，该方法包括通过中间轴突4及其突触3将至少一个中间神经元2直接连接到连接两个主神经元2的另一轴突4的阶段。
[0195]
该方法包括以下步骤：
[0196]
以定义数据的第一组合的方式，通过中间神经元2和中间轴突4或树突，根据中间神经元2的预选数据来选择包含在主神经元2中并沿着其轴突4在它们之间传送的一个或多个特定数据；
[0197]
以定义数据的不同于第一组合的第二组合的方式，通过中间神经元2和中间轴突4或树突，根据中间神经元2的预选数据来选择不同于第一选择的、包含在主神经元2中并沿着轴突4在它们之间传送的一个或多个特定数据。优选地，神经元2/轴突4/树突之间的通信是双向的：
[0198]
创建包括所述数据的图形1的图形表示，其中第一抽象层级由所述第一选择定义并且第二抽象层级由不同于第一选择的第二选择定义。
[0199]
优选地，包含在神经元2中的每个数据属于语义领域；中间神经元2和中间轴突4被配置成用于选择包含在主神经元2中的一个或多个特定数据，该数据属于中间神经元的预选数据的相同语义领域。
[0200]
此外，一个以上中间轴突4和中间神经元2直接连接到同一轴突。
[0201]
具体地，每个中间轴突和中间神经元2被配置成选择包含在主神经元2中的并沿着该轴突在其间传送的各个不同数据。
[0202]
根据本发明的一方面，每个神经元2可配置成处于折叠状态，其中它包括包含所述神经网络的动态数据结构的子系统。
[0203]
本发明达到了最初放置的范围。
[0204]
特别是，本发明允许通过使用图形1来创建能够以交互和自动模式计算语义和生成抽象的模型来表示许多不同领域中的知识。
[0205]
图形1是通过使用基于神经网络表示的计算机实现系统生成的，该系统能够以一般更高效管理信息或知识的方式在动态结构中创建不同抽象层。